沪深300指数期现套利的相关研究

发布时间：2017-09-21 04:07

  本文关键词：沪深300指数期现套利的相关研究

  更多相关文章： 股指期货 期限套利 跟踪误差 GARCH模型 VaR

【摘要】：自2010年4月16日起,我国第一支股指期货"沪深300指数期货"上市己经五年了,伴随着投资者对股指期货的了解程度不断加深,从事沪深300期现套利交易的投资者越来越多,这类套利交易者己经成为市场中一股不可忽视的力量。期现套利,一方面对于维护市场价格稳定,消除错误定价,提供市场流动性都有着极为重要的作用;另一方面期现套利可以在保证资金流动性较好的情况下,获得风险极低的套利收益,这对风险偏好较低的投资者有着很大的吸引力。因此,研究分析期现套利的影响因素和相关的套利技术有助于提高套利者的投资水平,增强市场套利活动的效率。本文通过总结过往股指期货的学术研究成果,并结合了作者在国内某大型综合券商的实习经验,根据我国市场的实际情况,具体分析了沪深300期现套利的要点和各种影响因素。在实证部分,本文选取了跟踪误差和强行平仓制度这两个关键因素做具体的分析。在研究现货跟踪误差的部分,分别研究了现货组合构建的"ETF基金法"和"完全复制法",在ETF基金法中对比了利用最优化模型构建的ETF组合和沪深300ETF的跟踪效果,得到了 ETF组合的跟踪误差比沪深300ETF的跟踪误差略大的结论。但通过论述跟踪误差对套利影响的两面性,发现ETF组合的跟踪误差有时是对期现套利有利的。在完全复制法中引入了替代股方法,通过历史回测发现了替代股方法在市场极端情况下会产生很大的跟踪误差,并且这种跟踪误差是由于替代股和被替代股的相关性失效引起的,由此提出了相应的改进方案,并用数据验证了改进方案是有效的。针对强行平仓制度带来的套利风险,本文提出用在险价值(VaR)来度量套利组合中期货资产的风险,并引入了 GARCH模型族对沪深300股指期货的波动率进行建模。在研究的过程中发现沪深300股指期货的收益率存在明显的条件异方差,并且不存在传统研究中发现的"风险溢价"和"非对称效应",传统的GARCH(1,1)模型己经能很好地描绘其波动特征。同时对误差项做出正态分布和t分布两种假设,分别在两种分布假设下进行建模并估算出VaR值。最后利用Kupiec检验法比较了两种分布下的模型效果,发现t分布能更好地反映收益率尖峰厚尾的特点,t分布假设下的GARCH(1,1)模型算出的VaR值有着更好的预测效果和稳健性。
【关键词】：股指期货 期限套利 跟踪误差 GARCH模型 VaR
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F224;F724.5
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 引言10-13
• 1.1 研究背景10-11
• 1.2 研究目的11
• 1.3 研究意义11-13
• 第2章 文献综述13-23
• 2.1 股指期货定价模型的相关研究13-16
• 2.1.1 完美市场下的定价模型13-14
• 2.1.2 不完美市场条件下的定价模型14-15
• 2.1.3 引入了波动率的定价模型15
• 2.1.4 引入价格预期的定价模型15-16
• 2.2 股指期货套利的相关研究16-19
• 2.2.1 套利的产生与定价效率的相关研究16-17
• 2.2.2 市场套利机会的相关研究17-18
• 2.2.3 影响套利的因素的相关研究18-19
• 2.2.4 统计套利的相关研究19
• 2.3 现货的构建与跟踪误差的相关研究19-23
• 2.3.1 跟踪误差的相关研究20-21
• 2.3.2 现货组合构建的相关研究21-23
• 第3章 沪深300期现套利概述23-33
• 3.1 沪深300指数及其期货合约23-25
• 3.1.1 沪深300指数23
• 3.1.2 沪深300股指期货23-25
• 3.2 沪深300期现套利的基本要点25-28
• 3.2.1 股指期货的定价25-27
• 3.2.2 现货组合的构建27-28
• 3.3 期现套利的影响因素28-31
• 3.3.1 市场利率28-29
• 3.3.2 交易成本29
• 3.3.3 股息的发放29-30
• 3.3.4 跟踪误差30
• 3.3.5 保证金交易与强行平仓制度30-31
• 3.4 实际套利中的关键因素31-33
• 第4章 沪深300指数现货构建的实证研究33-45
• 4.1 ETF基金法33-37
• 4.1.1 ETF的初步筛选33-34
• 4.1.2 最优化模型与权重的确定34-36
• 4.1.3 跟踪误差影响的两面性36-37
• 4.2 完全复制法37-45
• 4.2.1 股票的交易限制与替代股方法38
• 4.2.2 跟踪效果的实证分析38-42
• 4.2.3 替代股方法的操作改进42-45
• 第5章 沪深300股指期货VAR模型45-59
• 5.1 金融风险度量的发展与VAR的概述45-46
• 5.2 基于GARCH模型的VAR计算方法46-49
• 5.2.1 GARCH模型的概述46-48
• 5.2.2 VaR计算的参数法48-49
• 5.2.3 VaR模型的检验方法49
• 5.3 沪深300股指期货VAR的实证研究49-59
• 5.3.1 数据的选取与处理49-50
• 5.3.2 描述性统计50
• 5.3.3 平稳性检验50-51
• 5.3.4 自相关性检验与均值方程51-53
• 5.3.5 ARCH效应检验与GARCH建模53-56
• 5.3.6 VaR的估算与回测检验56-59
• 第6章 研究总结与展望59-61
• 研究成果59-60
• 研究展望60-61
• 参考文献61-64
• 致谢64-65

【相似文献】

中国期刊全文数据库 前10条

1 韩国庆;;跟踪误差约束下的布莱克—李特曼模型[J];重庆文理学院学报(社会科学版);2010年01期

2 李炎炎;叶萌绿;;沪深300指数基金跟踪误差多元回归分析[J];商业时代;2011年31期

3 王秀国;邱菀华;;跟踪误差多因素投资组合决策模型[J];管理评论;2006年11期

4 李凯敏;;基于遗传算法优化跟踪误差的股指期货套利分析[J];云南民族大学学报(自然科学版);2013年05期

5 屈颖爽;陈守东;王晨;;跟踪误差约束下指数化投资组合优化的实证分析[J];工业技术经济;2008年01期

6 倪苏云,吴冲锋;跟踪误差最小化的线性规划模型[J];系统工程理论方法应用;2001年03期

7 李裕强;陈展;;上证50ETF跟踪误差实证研究[J];中国市场;2007年Z1期

8 焦利;刘宇翔;朱晨辰;;我国ETF跟踪误差的实证研究[J];知识经济;2013年05期

9 王辉;;上证50ETF的运作状况分析[J];华北电力大学学报(社会科学版);2006年02期

10 夏小伟;曾繁荣;李丹;;基于上证50ETF的跟踪误差实证研究[J];会计之友(中旬刊);2009年01期

中国重要会议论文全文数据库 前1条

1 罗金川;房勇;;基于分层PCA的指数跟踪及实证[A];“两型社会”建设与管理创新——第十五届中国管理科学学术年会论文集（上）[C];2013年

中国重要报纸全文数据库 前10条

1 本报记者 王继高;上涨市跟踪误差最大 国富沪深300垫底[N];中国经济时报;2011年

2 本报记者 曹淑彦;今年以来指基跟踪误差分化显著[N];中国证券报;2012年

3 本报记者 唐健;跟踪误差拉大 指数基金变味[N];证券时报;2005年

4 格林期货金融投资服务中心市场部 董X 朱禹 张乐 刘鑫;跟踪误差在股指期货中的应用[N];期货日报;2006年

5 本版编辑邋龚小磊 银河证券基金研究中心 魏慧君;林飞 严格控制跟踪误差[N];中国证券报;2008年

6 本报记者 徐国杰;选指数基金要兼看费率和误差[N];中国证券报;2009年

7 华夏基金管理有限公司博士后工作站 张玲;ETFs跟踪误差产生原因探讨（上）[N];中国证券报;2002年

8 本报记者 姚婧;杨宇：控制跟踪误差是指数基金的天职[N];中国证券报;2010年

9 张玲;ETFs跟踪误差产生原因探讨（下）[N];中国证券报;2002年

10 本报记者 马薪婷;工银瑞信何江：减小跟踪误差 做个纯粹的追随者[N];证券日报;2012年

中国博士学位论文全文数据库 前1条

1 屈颖爽;基于跟踪误差的指数投资模型与业绩评价[D];吉林大学;2008年

中国硕士学位论文全文数据库 前10条

1 薛璇;交易型开放式指数基金跟踪误差研究[D];西北农林科技大学;2016年

2 薛超;沪深300指数期现套利的相关研究[D];南京大学;2015年

3 杨U，

本文编号：892255